Från Google Ads till ChatGPT Ads: så återanvänder du det du redan har
OpenAI:s arbetsflöde för att bygga ChatGPT Ads från befintliga annonser: godkända påståenden, intent-karta, kvalitetspoängsättning och mätning med CAPI eller pixel.
Du har redan hundratals annonstexter i Google Ads och Meta. Frågan är inte om de går att återanvända för ChatGPT Ads — det gör de — utan hur mycket av dem som faktiskt bär över.
OpenAI har ett eget arbetsflöde för det här, och det är mer disciplinerat än man kanske förväntar sig. Kärnbudskapet är avväpnande direkt: "Du skriver inte bara om dina Google- eller Meta-annonser." Här är processen, och var vi tycker den är klokare än den ser ut.
Utgångspunkten: bygg rent, lansera i skala
OpenAI:s uttalade minimistandard är minst 100 granskade, uppladdningsklara annonser fördelade över fokuserade annonsgrupper. Det är inte en ambitionsnivå utan ett golv.
Men — och det är den viktiga nyanseringen — de säger uttryckligen att skala inte betyder hundratals små omskrivningar. Det betyder att täcka meningsfullt olika köpintentioner, var och en kopplad till rätt landningssida och underbyggd av verkligt källmaterial. Hundra nästan identiska annonser uppfyller siffran men missar poängen.
Steg 1: Exportera det du redan har
Börja med att exportera annonstabellerna från era befintliga plattformar. OpenAI listar vilka fält som är värda att få med:
| Plattform | Vad du exporterar |
|---|---|
| Google Ads | Aktiva och nyligen välpresterande sökannonser, inklusive rubriker och beskrivningar från responsiva sökannonser. Kampanj, annonsgrupp, status, final URL, visningar, klick, CTR, konverteringar. |
| Meta | Textorienterade annonser och länkannonser. Uteslut rena videoannonser om inte texten kan bära framtida ChatGPT-copy. |
| Microsoft Ads och övriga | Sök, shopping-text, native eller sponsrat innehåll med återanvändbar text och destinations-URL:er. |
Ta med pausade annonser bara om de fortfarande är korrekta och användbara för varumärkestonen. Uteslut underkända, utgångna eller juridiskt inaktuella annonser — eller märk dem tydligt som exempel att inte återanvända.
Steg 2: Bygg en lista över godkända påståenden
Det här steget är det som skiljer OpenAI:s arbetsflöde från en vanlig "skriv om annonserna"-övning, och det är det vi tycker är mest värt att kopiera oavsett kanal.
Innan någon annonstext skrivs ska du sammanställa varje påstående, erbjudande, pris, ranking, certifiering, garanti och jämförelse du tänker använda — och belägga vart och ett mot antingen den exporterade annonsen eller er webbplats. Regeln är enkel: använd inget påstående som inte har stöd i källmaterialet.
Tabellen bör innehålla påståendet, källan, en säker formulering som går att återanvända, riskanteckningar och ett tydligt ja/nej/kräver granskning.
Om webbplatsen och de gamla annonserna säger emot varandra: använd den mest aktuella källan, eller flagga posten. Är påståendet reglerat, tidskänsligt eller oklart — markera det för granskning i stället för att använda det fritt.
Anledningen till att det här steget finns är att arbetsflödet är byggt för att köras med en AI-assistent. Utan en godkänd lista uppfinner assistenten trovärdiga men obelagda påståenden. Med den blir den begränsad till det ni faktiskt kan stå för.
Steg 3: Gör en intent-karta
Nästa steg översätter källmaterialet till hur människor faktiskt ber om hjälp i ChatGPT, i stället för att spegla söknyckelord.
För varje prioriterad produkt, tjänst eller landningssida kartlägger du: användarens problem eller behov, intent-kluster, målgrupp eller situation, begränsning eller avvägning, och trattsteg — problemformulering, upptäckt, jämförelse eller köp.
Det är den kartan som sedan blir annonsgrupper. En rad per meningsfullt olik köpsituation, inte per tjänst i er prislista.
Steg 4–6: Struktur, context hints och annonser
Härifrån är det arbetsboken som gäller. Kampanjer grupperar annonsgrupper som delar affärsmål, budget, schema och landstargeting. Annonsgrupper byggs kring ett produktområde, tema, målgrupp eller intent-område.
Context hints skrivs som korta beskrivande fraser på ungefär fyra till fem ord, fem till tio per annonsgrupp. Vi har skrivit utförligt om hur de fungerar i vår guide till att bygga kampanjen — inklusive det misstag vi själva gjorde först.
För annonserna gäller rubrik 16–24 tecken och beskrivning 32–48 tecken. Bygg först ett rent lanseringsset mot era mest värdefulla produkter, och skala sedan till hundra i satser om högst femtio. Prioritera de annonsgrupper som har minst annonser hittills och håll fördelningen så jämn som möjligt.
Steg 7: Ta bort dubbletter och poängsätt
Det här steget saknas i de flesta annonsprocesser vi ser, och det är förmodligen det mest värdefulla i hela flödet.
Innan någon granskar hundra annonser manuellt ska varje rad poängsättas 1–5 på sex dimensioner:
- Källstöd — påståendet har stöd i annonser eller webbplats
- Landningssidepassning — annonsens löfte matchar destinationen
- Konversationell intent-passning — texten matchar hur användare faktiskt ber om hjälp
- Särskiljning — inte en mindre omskrivning av en annan annons
- Tydlighet — tydligt värde, målgrupp, användningsfall eller nästa steg
- Teckenefterlevnad — rubrik och copy inom gränserna
Annonser som är obelagda, vilseledande, för generiska, repetitiva, varumärkesförst utan användarintent, felmatchade mot landningssidan eller utanför teckengränserna tas bort eller flaggas.
Poängen är att skydda granskningstiden. Det är slöseri att låta en människa läsa hundra rader varav trettio aldrig borde ha nått dem.
Steg 8–9: Validering och mänsklig granskning
Valideringen är mekanisk: kampanjnamn unika och ifyllda, varje annonsgrupp länkad till en exakt matchande kampanj, context hints som giltiga JSON-arrayer, varje annonsrad länkad till en exakt annonsgruppsnamn, tecken inom gränserna, URL:er nåbara, bilder publika och kvadratiska, inga dubblettrader, inga sammanfogade celler, arbetsboken innehåller exakt flikarna Campaigns, adgroups och ads — inga arbetsflikar kvar.
En detalj som är lätt att missa och som stoppar leverans: landningssidorna får inte blockera OpenAI:s user agents. Kontrollera er robots.txt innan uppladdning. Vår är öppen, men det är värt att verifiera — särskilt om ni lagt till AI-crawlerblockeringar under det senaste året, vilket många svenska sajter gjorde.
Och sedan den punkt OpenAI upprepar hårdast av alla: att klara formatkontrollerna är inte samma sak som att vara redo att lansera. En kvalificerad person i ert team ska godkänna varje annons, context hint, landningssida och bildlänk för korrekthet, fullständighet, policyefterlevnad och varumärkespassning innan uppladdning.
Mätning: en fas efter lansering, inte ett hinder före
OpenAI är tydliga med att konverteringsspårning ska behandlas som ett nästa steg i skalfasen — inte som något som blockerar en ren första lansering. Lansera med ordentlig struktur, tillräckligt många distinkta annonser, validerade context hints och godkända landningssidor. Lägg till mätningen när kampanjen är live eller nära live.
Det finns två vägar:
| Conversions API | JavaScript-pixel | |
|---|---|---|
| Var den körs | Server till server | I webbläsaren |
| Passar när | Ni kan skicka events från backend, e-handelsplattform, CRM eller offline-system | Ni behöver snabb webbaserad uppsättning eller saknar server-side-åtkomst |
| Avvägning | Mer tillförlitlig, men kräver utvecklarstöd, event-mappning och datagranskning | Snabbare, men påverkas av webbläsarbegränsningar, samtycke och skriptblockering |
Rekommendationen är att börja med att definiera de tre till fem konverteringshändelser som speglar verkligt affärsvärde. Använd pixeln för snabbhet när server-side inte finns tillgängligt direkt. Använd CAPI när tillförlitlighet, backend-events, offline- eller CRM-events, eller starkare attributionskvalitet spelar roll. Kör ni båda — anpassa event-namn och återanvänd event-ID:n så att browser- och serverhändelser kan dedupliceras.
För svenska bolag är samtyckesfrågan inte teoretisk. En klientpixel som blockeras av samtyckesbanners eller webbläsarrestriktioner mäter systematiskt fel. Om ni redan har server-side-spårning på plats är CAPI det naturliga valet.
Varför det här steget lönar sig
Materialet innehåller resultat från annonsörer som gått över till konverteringsoptimering efter att ha börjat med klickkampanjer:
- En mjukvaru- och teknikannonsör flyttade 73 % av spenderingen till konverteringsoptimering: +22 % CTR och 87 % lägre kostnad per order.
- En annan i samma kategori flyttade 98 %: +27 % CTR och 50 % lägre kostnad per order.
- En finansiell tjänsteannonsör flyttade 70 %: +4 % CTR och 50 % lägre kostnad per lead.
- En e-handelsannonsör lade 40 % av behörig spendering på konverteringsoptimering och fick 7 % högre CTR och 65 % lägre kostnad per order jämfört med klickfokuserade kampanjer under samma period.
Siffrorna är observerade och kan spegla andra kampanjförändringar — OpenAI säger det själva i fotnoterna. Men riktningen är entydig och konsekvent över fyra oberoende annonsörer i tre kategorier. Det är det starkaste argumentet i hela materialet för att inte stanna vid klickoptimering.
De vanligaste felen hos mindre annonsörer
OpenAI listar dem explicit, och de känns igen:
- Att bara ladda upp några få annonser. Planera för minst hundra före lansering.
- Att behandla context hints som nyckelord. Skriv fraser som beskriver verkliga behov och situationer.
- Obelagda påståenden. Använd listan över godkända påståenden.
- Trasiga bildlänkar. Publika, direkta PNG- eller JPG-länkar. Öppna varje URL manuellt.
- Landningssidor som bara är startsidan. Mappa varje annons till den mest relevanta produkt-, tjänste- eller innehållssidan.
- Mallfel. Använd fältnamn, bevara flikstruktur, undvik sammanfogade celler.
- Att hoppa över slutgranskningen. Formatkontroller är inte samma sak som godkännande.
Behöver ni hjälp att strukturera övergången från era befintliga kanaler? Boka en kostnadsfri analys så tittar vi på era konton och vad som är värt att bära över.
